alpha-evaluation-guardrails

name	alpha-evaluation-guardrails
description	Alpha因子评估、过拟合检测、偏差控制和鲁棒性验证的完整护栏体系。当用户需要判断因子是否可用、检测过拟合、或建立因子入库标准时加载。
version	1.0.0
source	《寻找Alpha：量化交易策略》Igor Tulchinsky (WorldQuant)
source_chapters	["Ch7 Turnover","Ch8 Alpha Correlation","Ch9 Backtest - Signal or Overfitting","Ch10 Controlling Biases","Ch11 The Triple-Axis Plan","Ch12 Techniques for Improving Robustness","Ch13 Alpha and Risk Factors","Ch14 Risk and Drawdowns"]
category	quant

Alpha Evaluation Guardrails — 因子评估护栏

判断一个 alpha 是真实的还是过拟合的、能否上实盘、何时该退役。

触发条件

• 回测完成，需要判断因子是否可上线
• 用户问"这个因子靠谱吗"
• 多个因子冲突时做选择
• 实盘表现偏离回测时诊断原因

核心理念

回测好看 ≠ 实盘能赚。 大多数回测漂亮的 alpha 都死在了某个护栏问题上。护栏不是让你的因子看起来更好——而是让你看清楚它到底行不行。

---

护栏一：换手率 (Turnover) — Ch7

为什么重要

换手率直接决定交易成本。A股单边成本 ~0.15%，月换手 100% 意味着年化成本 ~3.6%——足以吃掉一个 moderate alpha 的全部超额收益。

计算

单边换手率 = 1/2 × Σ|w_t - w_{t-1}|   （w = 持仓权重）

阈值

调仓频率	警戒线	红线
日频	> 50%	> 80%
周频	> 30%	> 50%
月频	> 15%	> 25%

高换手的应对

1. 加调仓缓冲期（信号变化超过阈值才调）
2. 衰减加权（最近信号权重更高，但不是二值切换）
3. 成本惩罚（回测中直接扣 0.2-0.3% 单边成本看是否还有收益）

---

护栏二：Alpha 相关性 — Ch8

核心检查

新 alpha 必须低相关于已有因子库。否则满秩瓶颈（见 arXiv:2606.14386），新因子不提供增量信息。

操作步骤

1. 计算新 alpha 与现有因子库的相关性矩阵
2. 标记所有 pairwise correlation > 0.5 的组合
3. 对高相关组合做 VIF (方差膨胀因子) 检测
4. VIF > 5 → 存在多重共线性，需剔除或合并

正交化方法

新alpha_clean = 新alpha - 回归(新alpha ~ 已有因子)

取残差作为正交化后的 alpha。如果正交化后 IC 归零 → 这个 alpha 没有增量价值。

---

护栏三：过拟合检测 — Ch9

过拟合的七个信号

信号	检查方法
参数敏感	微调参数 ±20%，IC 变化 > 50% → 脆弱的过拟合
时间衰减	近1年 IC 明显低于前几年 → 信号已失效或一开始就过拟合
样本外崩溃	训练期收益极高，测试期归零 → 经典过拟合
极端值依赖	去掉前5和后5个极值股票，IC 大幅下降 → 信号靠噪声
分市场不一致	只在创业板有效，主板无效 → 小众过拟合
行业集中	80%的 alpha 来自一两个行业 → 行业暴露，非纯 alpha
缺乏经济逻辑	参数只有统计意义没有经济解释 → 数据挖掘噪声

过拟合量化检验

Hansen's P-hacking 检测：

有效因子比例 = 显著因子数 / 总测试因子数
期望显著比例 = p值阈值 (如 5%)

如果有效因子比例 >> 期望显著比例 → 存在数据挖掘偏差

样本外保留法：

• 用 60% 数据做开发，20% 做验证，20% 做最终测试
• 最终测试只跑一次，绝对不能调参

---

护栏四：偏差控制 — Ch10

四种常见偏差

偏差类型	表现	修正方法
存活偏差	只用存活的股票回测	用 point-in-time 数据，包含退市股
前视偏差	用了当时不可知的信息	严格对齐数据发布时间
选择偏差	只在特定股票池有效	在全市场股票池验证
样本偏差	回测期恰好是牛市	分子周期测试，至少包含一轮熊市

偏差控制检查清单

• 数据是 point-in-time 的吗？（财报发布日期 ≠ 报告期截止日）
• 股票池包含已退市股票吗？
• 信号计算逻辑有没有用到 t+1 的信息？
• 在三个不同时间段（上涨/下跌/震荡）都跑过吗？
• 换手率计算有没有考虑 T+1 不可交易？
• 停牌股票怎么处理的？（复牌跳空可能扭曲信号）

---

护栏五：鲁棒性技术 — Ch12

提升鲁棒性的六种方法

1. 多周期验证

同一个 alpha 在日/周/月频都跑一遍。如果只有某个频率有效 → 脆弱信号。

2. 对称性检验

信号做多端和做空端分开评估。如果空头端 IC 为负但多头端 IC 为正 → 信号不对称，实盘只做多头。

3. 行业中性化

alpha_neutral = alpha - mean(alpha_by_industry)

行业中性化后 IC 还能保留多少？如果归零 → 只是行业选择，不是选股能力。

4. 规模中性化

同上，按市值分组去均值。排除纯粹的大盘/小盘暴露。

5. 随机打乱检验

将信号值随机打乱 1000 次，看实际 IC 在随机分布中的位置。如果 p < 0.05 才能相信信号是真实的。

6. 时间序列稳定性

滚动 36 个月窗口计算 IC，IC 标准差相对均值越小越好（IC_IR 的核心含义）。

---

护栏六：Alpha 与风险因子 — Ch13

Alpha 因子 ≠ 风险因子

	Alpha 因子	风险因子
目的	产生超额收益	解释收益来源
来源	错误定价	系统性风险补偿
持续性	可能衰减	相对稳定
交易方向	做多 alpha 高 + 做空 alpha 低	通常做多（风险溢价）

常见混淆场景

• 你以为是 alpha 的价值因子 → 可能只是承担了信用风险
• 你以为是 alpha 的低波动因子 → 可能只是杠杆约束下的定价偏差
• 你以为是 alpha 的动量因子 → 可能是追涨杀跌的行为偏差

测试方法： 将 alpha 对已知风险因子回归（Fama-French 三因子/五因子），看 alpha 残差是否仍显著。

---

护栏七：回撤管理 — Ch14

什么时候该停止一个 alpha

信号	动作
滚动12个月IC < 0	暂停，观察
连续3个月IC < 0	退役
max drawdown > 历史max的1.5倍	减半仓位
与市场beta的相关性突增	检查是否因子被"beta化"
同一alpha在全市场同时失效	可能是结构性问题（如去散户化）

回撤诊断流程

回撤发生
  → 检查是系统性回撤（所有alpha都跌）还是特异性回撤（只有这一个）
  → 系统性：检查大盘/流动性/政策变化
  → 特异性：检查IC衰减、相关性变化、换手率变化
  → 如果找不到结构性原因 → 降低仓位继续观察
  → 如果找到结构性原因且不可逆 → 退役

---

因子入库最终检查清单

一个 alpha 要上线实盘，必须全部通过：

• 三轴检验通过（经济逻辑 + 统计显著性 + 低相关性）
• 样本外 20% 数据验证通过
• IC > 0.03，IC_IR > 0.3
• 月换手率 < 25%（月频）或等比例
• 行业中性化后 IC 保持 > 50%
• 与现有因子库最大 pairwise corr < 0.5
• 至少5年回测，覆盖一轮牛熊
• 扣除 0.2% 单边成本后仍有正收益
• 滚动 IC 无显著衰减趋势（< 20% 下降）
• 做多端和做空端分别 inspect 过

常见陷阱

1. 回测期选择偏差 — 只在 2015 牛市中有效的因子不可能持久
2. 多重假设检验 — 测试了 100 个 alpha，5% 的显著性水平下至少 5 个纯靠运气通过
3. 忽略中间层的 alpha 衰减 — 一个 alpha 可能在部署后迅速衰减（因为其他玩家也发现了）
4. 忽略因子的同质性 — 10 个看起来不同的 alpha 可能都是同一风险源的不同表达